#40: typo

overfitting

40_Keras와 Jupyter Notebook으로 시작하는 딥러닝/2.1 - 신경망과의 첫 만남 .ipynb

@@ -404,7 +404,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "테스트 정확도는 97.8%를 기록했습니다 -- 이 결과는 사실 학습 세트의 정확도보다는 조금 낮습니다. 학습 정확도보다 테스트 정확도가 낮은 이유는 \"과적합(overfilling)\"과 관련이 있습니다. 기계학습 모델들은 학습 데이터에서의 성능보다 새로운 데이터에서 성능이 더 나빠지는 경향이 있습니다. 과적합 문제는 3장에서 자세히 다루도록 하겠습니다.\n",
+    "테스트 정확도는 97.8%를 기록했습니다 -- 이 결과는 사실 학습 세트의 정확도보다는 조금 낮습니다. 학습 정확도보다 테스트 정확도가 낮은 이유는 \"과적합(overfitting)\"과 관련이 있습니다. 기계학습 모델들은 학습 데이터에서의 성능보다 새로운 데이터에서 성능이 더 나빠지는 경향이 있습니다. 과적합 문제는 3장에서 자세히 다루도록 하겠습니다.\n",
     "\n",
     "지금까지 첫 번째 예시를 살펴보았습니다. 결론은 다음과 같습니다. 이번 장에서는 20줄조차 안되는 간단한 Python 코드로 손글씨 숫자를 분류하는 신경망을 구축하고 실제로 학습시켜보았습니다. 다음 장에서는 우리가 지금까지 살펴봤던 구성요소들을 조금 더 자세히 다뤄보겠습니다. 다음 시간에는 네트워크 내부에서 데이터를 저장하는 객체인 \"tensors\"와, tensors가 실제로 만들어지는 tensor operations, 그리고 네트워크가 학습 데이터로 학습을 하게 해주는 gradient descent에 대해서 배워볼 것입니다."
    ]